三元乙丙橡胶老化与气候关联性及老化程度全国分布预测

工程科学学报，第38卷，第10期：1438-1446,2016年10月 Chinese Journal of Engineering,Vol.38,No.10:1438-1446,October 2016 D0l:10.13374/j.issn2095-9389.2016.10.013;http://journals..ustb.edu.cn 三元乙丙橡胶老化与气候关联性及老化程度全国分 布预测 吴德权”，高瑾四，卢琳”，李文倩”，李晓刚2) 1)北京科技大学腐蚀与防护中心，北京1000832)中国科学院宁波材料技术与工程研究所，宁波315201 ☒通信作者，E-mail:gaojin@usth.cdu.cn 摘要利用三元乙丙橡胶(EPDM)在我国11个典型大气站点暴晒3年的老化数据及气候环境数据，基于对EPDM老化行 为分析以及气候环境对EPDM作用机制，探究EPDM老化与气候因子之间的关联性.通过因子分析与逼近理想解排序法，将 多个老化指标转化为综合老化值：由灰色关联度分析，得到影响EPDM老化的关键气候因子为辐照度、湿度、温度和降雨：通 过BP人工神经网络，建立EPDM综合老化值与气候因子间关联模型.利用我国97个地市级城市气象数据，预测EPDM在未 试验地区综合老化值，可视化得到EPDM在我国的老化分布图.图形表明，EPDM在我国西部地区，新疆南部、云南南端、广东 南部、海南、台湾等地区老化程度较严重. 关键词三元乙丙橡胶；老化：大气环境：关联性：预测 分类号TQ333.4 Correlation between EPDM aging properties and climate as well as prediction of the distribution of EPDM aging degree in China WU De-quan',GA0Jim)回，LU Lin',lWen-gian”,山Xiao-gang2 1)Corrosion and Protection Center,University of Science and Technology Beijing,Beijing 100083,China 2)Ningbo Institute of Material Technology Engineering,Chinese Academy of Sciences,Ningho 315201,China Corresponding author,E-mail:gaojin@ustb.edu.cn ABSTRACT Based on the analysis of aging behavior of ethylene propylene diene rubber (EPDM)and the mechanism of action of climate on EPDM,the aging data of EPDM exposed for 3 years in 11 typical material weathering test stations and the meteorological data there were studied to find out the relation between atmospheric environment and EPDM aging properties.By using the factor anal- ysis and the technique for order preference by similarity to ideal solution (TOPSIS),the comprehensive values of aging properties were gained.With the grey correlation analysis,sever environmental parameters including irradiance,humidity,temperature were found to be the key climate factors which had a significant relation with the degradation of EPDM.Then a BP artificial neural network that con- nected the climate factors and EPDM aging properties was built.By inputting the meteorological data of cities,the comprehensive val- ues of EPDM aging properties where weathering test had not been performed were predicted and a distribution map of these comprehen- sive values was draw out.The results show that the aging of EPDM in the south of Guangdong Province,Hainan Island,Taiwan Is- land,Tibet,and south of Xinjiang are the most serious. KEY WORDS EPDM:aging;atmospheric environment:correlation:prediction 收稿日期：2015-12-16 基金项目：国家自然科学基金重点资助项目(51133009)：国家重点基础研究发展计划资助项目(2014CB643300):国家材料环境腐蚀平台资助 项目(2005DKA10400)

工程科学学报，第 38 卷，第 10 期: 1438--1446，2016 年 10 月 Chinese Journal of Engineering，Vol． 38，No． 10: 1438--1446，October 2016 DOI: 10． 13374 /j． issn2095--9389． 2016． 10． 013; http: / /journals． ustb． edu． cn 三元乙丙橡胶老化与气候关联性及老化程度全国分 布预测 吴德权1) ，高 瑾1) ，卢 琳1) ，李文倩1) ，李晓刚1，2) 1) 北京科技大学腐蚀与防护中心，北京 100083 2) 中国科学院宁波材料技术与工程研究所，宁波 315201  通信作者，E-mail: gaojin@ ustb． edu． cn 摘 要 利用三元乙丙橡胶( EPDM) 在我国 11 个典型大气站点暴晒 3 年的老化数据及气候环境数据，基于对 EPDM 老化行 为分析以及气候环境对 EPDM 作用机制，探究 EPDM 老化与气候因子之间的关联性． 通过因子分析与逼近理想解排序法，将 多个老化指标转化为综合老化值; 由灰色关联度分析，得到影响 EPDM 老化的关键气候因子为辐照度、湿度、温度和降雨; 通 过 BP 人工神经网络，建立 EPDM 综合老化值与气候因子间关联模型． 利用我国 97 个地市级城市气象数据，预测 EPDM 在未 试验地区综合老化值，可视化得到 EPDM 在我国的老化分布图． 图形表明，EPDM 在我国西部地区，新疆南部、云南南端、广东 南部、海南、台湾等地区老化程度较严重． 关键词 三元乙丙橡胶; 老化; 大气环境; 关联性; 预测 分类号 TQ333. 4 Correlation between EPDM aging properties and climate as well as prediction of the distribution of EPDM aging degree in China WU De-quan1) ，GAO Jin1)  ，LU Lin1) ，LI Wen-qian1) ，LI Xiao-gang1，2) 1) Corrosion and Protection Center，University of Science and Technology Beijing，Beijing 100083，China 2) Ningbo Institute of Material Technology ＆ Engineering，Chinese Academy of Sciences，Ningbo 315201，China  Corresponding author，E-mail: gaojin@ ustb． edu． cn ABSTＲACT Based on the analysis of aging behavior of ethylene propylene diene rubber ( EPDM) and the mechanism of action of climate on EPDM，the aging data of EPDM exposed for 3 years in 11 typical material weathering test stations and the meteorological data there were studied to find out the relation between atmospheric environment and EPDM aging properties． By using the factor anal￾ysis and the technique for order preference by similarity to ideal solution ( TOPSIS) ，the comprehensive values of aging properties were gained． With the grey correlation analysis，sever environmental parameters including irradiance，humidity，temperature were found to be the key climate factors which had a significant relation with the degradation of EPDM． Then a BP artificial neural network that con￾nected the climate factors and EPDM aging properties was built． By inputting the meteorological data of cities，the comprehensive val￾ues of EPDM aging properties where weathering test had not been performed were predicted and a distribution map of these comprehen￾sive values was draw out． The results show that the aging of EPDM in the south of Guangdong Province，Hainan Island，Taiwan Is￾land，Tibet，and south of Xinjiang are the most serious． KEY WOＲDS EPDM; aging; atmospheric environment; correlation; prediction 收稿日期: 2015--12--16 基金项目: 国家自然科学基金重点资助项目( 51133009) ; 国家重点基础研究发展计划资助项目( 2014CB643300) ; 国家材料环境腐蚀平台资助 项目( 2005DKA10400)

吴德权等：三元乙丙橡胶老化与气候关联性及老化程度全国分布预测 ·1439· 高分子材料的气候老化是服役环境中光、热、湿 1 试验方法与研究方法 气、雨水、风沙、污染物等多种气候因子共同作用的复 杂过程四.我国幅员辽阔，气候多样，材料在各地的失 1.1EPDM老化试验与典型地区气候环境 效行为具有地域差异.如一些高分子材料在我国高纬 EPDM老化数据及典型站点气象数据由国家材料 度地区能够服役数十年，而在赤道附近，高温和强紫外 环境腐蚀平台提供.EPDM老化暴晒试验按照GB/T 线的作用导致高分子材料寿命减短.随着我国工程建 3511一2001在我国11个大气试验站进行.11个站点 设尤其是跨区域的大型工程的发展，材料的研发、设 (如图1所示)分布范围广泛，涵盖了我国五大气候 计、选用、防护等环节需要统筹考虑环境的多样性，以 区，基本反映了我国不同地域气候环境.试样暴晒时 及材料跨区域的适用性.因此，研究高分子材料在我 间为2007一2010年，老化周期为0、1.5、3、6、9、10.5、 国的老化程度分布，对于我国工程建设以及高分子材 12、18、24、30和36月共11个周期.老化数据如图2 料评价体系的建立，具有重要参考意义 所示 目前针对高分子材料的环境老化行为预测，国内 外开展了很多研究，但主要集中在通过加速试验预测 材料寿命，或者从老化机制角度探究材料老化动力学 过程等方面网.例如：Sameshima等国研究了EPDM橡 胶室内热老化相对于日本东京的自然老化加速倍率约 ●敦煌 北京 为l7,通过设计热老化预测橡胶户外失效；Gillen 青品° 等-可研究了乙丙橡胶在不同温度下的老化性能之间 的关联，通过高温老化试验预测橡胶在常温环境中的 拉萨 江津 武汉 寿命；：Lⅱ等圆研究聚丙烯在拉萨等六个地区的老化规 律，建立老化速率与辐照强度、温度和氧分压之间的指 数关系关联式.这些方法可用于预测特定设计环境中 琼海 的老化行为或寿命，但对于较广范围分布预测则不具 备普适性.高分子材料在全国的老化程度分布预测， 图1大气老化试验站点位置图 关键在于建立材料失效与气候环境之间的关联模型， Fig.1 Locations of outdoor weathering stations 而该方面关联模型的构建方法鲜有报道 同高分子材料相比，金属材料环境腐蚀失效研究 各站点2007一2010年的气象数据年平均值如表1 较早，已积累较广泛的原始数据，建立了系统的腐蚀分 所示 级分类标准（如IS09223和IS012944).高分子材料老 表111个典型地区气象数据(2007一2010年均值) 化失效研究起步晚，基础数据少，环境作用机制复 Table 1 Climate dates of the 11 typical regions (average values from 杂回，存在许多尚待解决的问题.例如：如何客观全 2007to2010) 面评价高分子材料的老化，如何定量分析影响材料 年均 年均 年降年降雨年日照 年辐射 老化的关键气候因素，如何通过有限数据建立材料 地点温度/湿度/雨量/时间/时间/ 总量/ ℃ mm h h (M0m2) 老化与环境之间的关联等.Li等@提出的“腐蚀基 因组工程”，通过腐蚀大数据研究材料“消亡”过程， 北京13.0 51 488 59 1620 4653 为探究环境与材料失效之间的关系提供了新思路与 敦煌11.3 38 48 2632 7846 数据支持 广州 23.5 78 1775 260 1143 4574 本文利用国家材料环境腐蚀平台积累的三元乙丙 江津18.5 80 828 504 984 3164 橡胶(EPDM)老化数据，探索性提出通过逼近理想解 拉萨 8.4 40 613 71 2230 8211 排序法将多个老化评价指标转化为综合老化评价指 漠河 -1.5 64 599 182 1887 3922 标：通过灰色关联法定量分析影响老化的关键气候因 青岛 13.8 72 877 426 2126 3609 子；通过BP人工神经网络，建立了EPDM老化与气候 琼海24.3 80 2022 117 1293 5190 间的关系模型：并通过向该模型输入全国气象数据，预 沈阳 10.9 322 69 1603 4235 测了EPDM在我国的老化程度分布情况.本文基于对 尉犁 10.1 48 26 18 2975 7480 高分子材料失效机制的理解，建立了对我国大部分气 武汉 18.0 77 1046 185 1600 3878 候环境具有普适性的预测模型，为高分子材料老化应 用的基础研究以及我国工程建设提供重要支撑. 预测未投样地区所用大气环境数据由国家气象信

吴德权等: 三元乙丙橡胶老化与气候关联性及老化程度全国分布预测 高分子材料的气候老化是服役环境中光、热、湿 气、雨水、风沙、污染物等多种气候因子共同作用的复 杂过程［1］． 我国幅员辽阔，气候多样，材料在各地的失 效行为具有地域差异． 如一些高分子材料在我国高纬 度地区能够服役数十年，而在赤道附近，高温和强紫外 线的作用导致高分子材料寿命减短． 随着我国工程建 设尤其是跨区域的大型工程的发展，材料的研发、设 计、选用、防护等环节需要统筹考虑环境的多样性，以 及材料跨区域的适用性． 因此，研究高分子材料在我 国的老化程度分布，对于我国工程建设以及高分子材 料评价体系的建立，具有重要参考意义． 目前针对高分子材料的环境老化行为预测，国内 外开展了很多研究，但主要集中在通过加速试验预测 材料寿命，或者从老化机制角度探究材料老化动力学 过程等方面［2］． 例如: Sameshima 等［3］研究了 EPDM 橡 胶室内热老化相对于日本东京的自然老化加速倍率约 为 17，通 过 设 计 热 老 化 预 测 橡 胶 户 外 失 效; Gillen 等［4--7］研究了乙丙橡胶在不同温度下的老化性能之间 的关联，通过高温老化试验预测橡胶在常温环境中的 寿命; Lü 等［8］研究聚丙烯在拉萨等六个地区的老化规 律，建立老化速率与辐照强度、温度和氧分压之间的指 数关系关联式． 这些方法可用于预测特定设计环境中 的老化行为或寿命，但对于较广范围分布预测则不具 备普适性． 高分子材料在全国的老化程度分布预测， 关键在于建立材料失效与气候环境之间的关联模型， 而该方面关联模型的构建方法鲜有报道． 同高分子材料相比，金属材料环境腐蚀失效研究 较早，已积累较广泛的原始数据，建立了系统的腐蚀分 级分类标准( 如 ISO9223 和 ISO12944) ． 高分子材料老 化失效研 究 起 步 晚，基 础 数 据 少，环 境 作 用 机 制 复 杂［9］，存在许多尚待解决的问题． 例如: 如何客观全 面评价高分子材料的老化，如何定量分析影响材料 老化的关键气候因素，如何通过有限数据建立材料 老化与环境之间的关联等． Li 等［10］提出的“腐蚀基 因组工程”，通过腐蚀大数据研究材料“消亡”过程， 为探究环境与材料失效之间的关系提供了新思路与 数据支持． 本文利用国家材料环境腐蚀平台积累的三元乙丙 橡胶( EPDM) 老化数据，探索性提出通过逼近理想解 排序法将多个老化评价指标转化为综合老化评价指 标; 通过灰色关联法定量分析影响老化的关键气候因 子; 通过 BP 人工神经网络，建立了 EPDM 老化与气候 间的关系模型; 并通过向该模型输入全国气象数据，预 测了 EPDM 在我国的老化程度分布情况． 本文基于对 高分子材料失效机制的理解，建立了对我国大部分气 候环境具有普适性的预测模型，为高分子材料老化应 用的基础研究以及我国工程建设提供重要支撑． 1 试验方法与研究方法 1. 1 EPDM 老化试验与典型地区气候环境 EPDM 老化数据及典型站点气象数据由国家材料 环境腐蚀平台提供． EPDM 老化暴晒试验按照 GB / T 3511—2001 在我国 11 个大气试验站进行． 11 个站点 ( 如图 1 所示) 分布范围广泛，涵盖了我国五大气候 区，基本反映了我国不同地域气候环境． 试样暴晒时 间为 2007—2010 年，老化周期为 0、1. 5、3、6、9、10. 5、 12、18、24、30 和 36 月共 11 个周期． 老化数据如图 2 所示． 图 1 大气老化试验站点位置图 Fig． 1 Locations of outdoor weathering stations 各站点 2007—2010 年的气象数据年平均值如表 1 所示． 表 1 11 个典型地区气象数据( 2007—2010 年均值) Table 1 Climate dates of the 11 typical regions( average values from 2007 to 2010) 地点 年均 温度/ ℃ 年均 湿度/ % 年降 雨量/ mm 年降雨 时间/ h 年日照 时间/ h 年辐射 总量/ ( MJ·m － 2 ) 北京 13. 0 51 488 59 1620 4653 敦煌 11. 3 38 48 7 2632 7846 广州 23. 5 78 1775 260 1143 4574 江津 18. 5 80 828 504 984 3164 拉萨 8. 4 40 613 71 2230 8211 漠河 － 1. 5 64 599 182 1887 3922 青岛 13. 8 72 877 426 2126 3609 琼海 24. 3 80 2022 117 1293 5190 沈阳 10. 9 64 322 69 1603 4235 尉犁 10. 1 48 26 18 2975 7480 武汉 18. 0 77 1046 185 1600 3878 预测未投样地区所用大气环境数据由国家气象信 · 9341 ·

·1440. 工程科学学报，第38卷，第10期 息中心提供，数据为2013年97个城市年辐照量，2561 不确定性适合用灰色关联度分析.灰色关联分析对样 个城市年均温度，2561个城市年均湿度，2512个城市 本容量和分布规律没有过多要求，它通过计算典型地 年降雨总量 区材料老化性能数据列和气候环境数据列的几何形状 1.2研究方法 相似程度，来比较气候因子对材料性能的影响 1.2.1EPDM老化数据初始化 程度 EPDM不同老化性能随时间变化规律和变化范围 1.2.5EPDM综合老化值与气候因子关联模型建立 具有差异，采用变化率处理原始数据，统一变化规律及 BP人工神经网络能将气候因子和老化程度值通 计算量纲.拉伸强度和撕裂强度变化率按公式(1)计 过神经元构建的拓扑结构进行学习训练，基于材料数 算，断裂伸长变化率按公式(2)计算，将不同老化性能 据与环境数据获得的路径规律，建立两者的关联，实现 随时间变化趋势同向化，统一为递增趋势.得到的变 对其他未知地区老化数据的预测.其基本算法包括两 化率再按公式(3)归一化处理，将数据变化范围缩放 个方面：信号的前向传播和误差的反向传播.环境数 到同一尺度 据提供给输入层后，神经元的激活值从输入层经各中 =花二七 间层向输出层传播，输出材料老化值，误差从输出层经 (1) 过各中间层逐步修正各连接权值，最后回到输入层，随 X=6二龙 着这种误差逆的传播修正不断进行，网络通过输入层 (2) 环境数据模拟输出层材料老化数据的正确率也不断 xi (3) 上升因 2 分析与结果 式中，X为变化率，x。为初始值，x为第i周期老化值，Z 2.1典型地区EPDM老化行为及综合评价 为归一化数据. 2.1.1典型地区EPDM老化行为分析 1.2.2老化性能指标间的关联分析 跟踪测量EPDM在I1个大气站点暴晒3年期间 因子分析可以判断老化指标间的重复程度.通过 的色差、拉伸强度、断裂伸长率、撕裂强度等性能指标， 主成分算法，对原始数据矩阵X。x求取相关矩阵 得到EPDM我国典型地区老化行为，如图2所示. Rxm,计算相关矩阵特征向量Uxp,将原相关的变量 从图2(a)可以看出，EPDM色差值在江津、琼海、 线性组合转变为互不相关的p个新变量F=Xxm 广州等地区较高，可能是因为色差所反映的橡胶表面 U.xp,如下式： 有色基团及链段结构在这些地区的环境中变化较明 F,=apx1+aex2+…+amxm (4) 显，评价结果为江津、琼海和广州地区EPDM老化程度 式中F。为第p个主成分，xm为第m个变量，am为载荷 较严重：图2()显示拉伸强度在拉萨地区暴晒后期增 系数. 加较多；图2(c)则显示断裂伸长率在武汉、广州等地 将载荷系数矩阵绘制为坐标图，根据载荷图对变 区下降明显：图2()显示撕裂强度在尉犁和琼海地区 量进行分类.变量在载荷图中坐标空间位置越靠近， 暴晒后期具有明显增加.以上分析表明，由于高分子 其表达的信息越接近，变量间的相关性越大四 材料及大气环境老化作用机制的复杂性，色差、拉伸强 1.2.3综合老化评价 度、断裂伸长率、撕裂强度等不同老化指标对不同环境 逼近理想解排序法(technique for order preference 的敏感度不一样，使得EPDM老化数据具有高维度、高 by similarity to ideal solution,TOPSIS)对于小样本的多 噪声、数据自相关性等特征，很难通过某单一的老 指标综合评价排序具有较高的适用性.通过逼近理想 化指标客观评价EPDM老化程度，因此需将各地老化 解排序法将色差、拉伸强度、断裂生产率等不同老化性 数据合理转化为一个可以综合衡量EPDM老化的值. 能指标转化为综合老化评价指标.该方法以各典型地 2.1.2EPDM老化综合评价研究 区各周期的不同老化指标作为评价对象，挑选所有评 色差、拉伸强度、断裂伸长率、撕裂强度等指标反 价对象中的最大值与最小值作为最优方案和最劣方 映高分子材料不同老化性能，同时相互之间存在关联. 案，分别计算各评价对象与最优方案和最劣方案的距 如拉伸强度、撕裂强度和断裂生产率都在某种程度上 离，获得各评价对象与最优方案的接近程度2国，以 反映材料整体力学性能的变化.因此，需要通过因子 此作为综合老化评价值 分析对以上多个老化指标进行筛选，选取最基本的评 1.2.4气候因子与老化性能灰色关联度分析 价指标. 气候环境与材料老化之间的作用过程可以看做是 在SPSS软件中选择因子分析，因子提取方法为主 一个信息不清晰的灰色系统，该样本空间的模糊性和 成分法，迭代计算次数为30次，呈现方式为非旋转因

工程科学学报，第 38 卷，第 10 期 息中心提供，数据为 2013 年 97 个城市年辐照量，2561 个城市年均温度，2561 个城市年均湿度，2512 个城市 年降雨总量． 1. 2 研究方法 1. 2. 1 EPDM 老化数据初始化 EPDM 不同老化性能随时间变化规律和变化范围 具有差异，采用变化率处理原始数据，统一变化规律及 计算量纲． 拉伸强度和撕裂强度变化率按公式( 1) 计 算，断裂伸长变化率按公式( 2) 计算，将不同老化性能 随时间变化趋势同向化，统一为递增趋势． 得到的变 化率再按公式( 3) 归一化处理，将数据变化范围缩放 到同一尺度． X = xi － x0 x0 ． ( 1) X = x0 － xi x0 ． ( 2) Zi = xi ∑ n i = 1 x 2 槡 i ． ( 3) 式中，X 为变化率，x0为初始值，xi为第 i 周期老化值，Zi 为归一化数据． 1. 2. 2 老化性能指标间的关联分析 因子分析可以判断老化指标间的重复程度． 通过 主成 分 算 法，对 原 始 数 据 矩 阵 Xn × m 求 取 相 关 矩 阵 Ｒm × m，计算相关矩阵特征向量 Um × p，将原相关的变量 线性组合 转 变 为 互 不 相 关 的 p 个 新 变 量 F = Xn × m Um × p，如下式: Fp = ap1 x1 + ap2 x2 + … + apm xm ． ( 4) 式中 Fp 为第 p 个主成分，xm 为第 m 个变量，apm为载荷 系数． 将载荷系数矩阵绘制为坐标图，根据载荷图对变 量进行分类． 变量在载荷图中坐标空间位置越靠近， 其表达的信息越接近，变量间的相关性越大［11］． 1. 2. 3 综合老化评价 逼近理想解排序法( technique for order preference by similarity to ideal solution，TOPSIS) 对于小样本的多 指标综合评价排序具有较高的适用性． 通过逼近理想 解排序法将色差、拉伸强度、断裂生产率等不同老化性 能指标转化为综合老化评价指标． 该方法以各典型地 区各周期的不同老化指标作为评价对象，挑选所有评 价对象中的最大值与最小值作为最优方案和最劣方 案，分别计算各评价对象与最优方案和最劣方案的距 离，获得各评价对象与最优方案的接近程度［12--13］，以 此作为综合老化评价值． 1. 2. 4 气候因子与老化性能灰色关联度分析 气候环境与材料老化之间的作用过程可以看做是 一个信息不清晰的灰色系统，该样本空间的模糊性和 不确定性适合用灰色关联度分析． 灰色关联分析对样 本容量和分布规律没有过多要求，它通过计算典型地 区材料老化性能数据列和气候环境数据列的几何形状 相似程 度［14］，来 比较气候因子对材料性能的影响 程度． 1. 2. 5 EPDM 综合老化值与气候因子关联模型建立 BP 人工神经网络能将气候因子和老化程度值通 过神经元构建的拓扑结构进行学习训练，基于材料数 据与环境数据获得的路径规律，建立两者的关联，实现 对其他未知地区老化数据的预测． 其基本算法包括两 个方面: 信号的前向传播和误差的反向传播． 环境数 据提供给输入层后，神经元的激活值从输入层经各中 间层向输出层传播，输出材料老化值，误差从输出层经 过各中间层逐步修正各连接权值，最后回到输入层，随 着这种误差逆的传播修正不断进行，网络通过输入层 环境数据模拟输出层材料老化数据的正确率也不断 上升［15］． 2 分析与结果 2. 1 典型地区 EPDM 老化行为及综合评价 2. 1. 1 典型地区 EPDM 老化行为分析 跟踪测量 EPDM 在 11 个大气站点暴晒 3 年期间 的色差、拉伸强度、断裂伸长率、撕裂强度等性能指标， 得到 EPDM 我国典型地区老化行为，如图 2 所示． 从图 2( a) 可以看出，EPDM 色差值在江津、琼海、 广州等地区较高，可能是因为色差所反映的橡胶表面 有色基团及链段结构在这些地区的环境中变化较明 显，评价结果为江津、琼海和广州地区 EPDM 老化程度 较严重; 图 2( b) 显示拉伸强度在拉萨地区暴晒后期增 加较多; 图 2( c) 则显示断裂伸长率在武汉、广州等地 区下降明显; 图 2( d) 显示撕裂强度在尉犁和琼海地区 暴晒后期具有明显增加． 以上分析表明，由于高分子 材料及大气环境老化作用机制的复杂性，色差、拉伸强 度、断裂伸长率、撕裂强度等不同老化指标对不同环境 的敏感度不一样，使得 EPDM 老化数据具有高维度、高 噪声、数据自相关性等特征［16］，很难通过某单一的老 化指标客观评价 EPDM 老化程度，因此需将各地老化 数据合理转化为一个可以综合衡量 EPDM 老化的值． 2. 1. 2 EPDM 老化综合评价研究 色差、拉伸强度、断裂伸长率、撕裂强度等指标反 映高分子材料不同老化性能，同时相互之间存在关联． 如拉伸强度、撕裂强度和断裂生产率都在某种程度上 反映材料整体力学性能的变化． 因此，需要通过因子 分析对以上多个老化指标进行筛选，选取最基本的评 价指标． 在 SPSS 软件中选择因子分析，因子提取方法为主 成分法，迭代计算次数为 30 次，呈现方式为非旋转因 · 0441 ·

吴德权等：三元乙丙橡胶老化与气候关联性及老化程度全国分布预测 ·1441· 17b 5 敦煌 州 一江 15 北京+拉萨 沈阳 -拉 敦煌→漠河 尉犁 漠河一沈阳 *广州一青岛 12 武汉 青岛 尉犁 一江津→琼海 一琼海一武汉 6 12182430 1218 24 老化周期/月 老化周期/月 460 北京 d 敦煌 ·广州 江神 拉萨 40 340 北京+拉 漠河一沈阳 敦煌 漠河 320 青岛 广州一青岛一武汉 一琼海一武汉 35 一江津 琼海 300 12 18 24 30 0 12 18 24 30 老化周期/月 老化周期/月 图2EPDM老化性能随暴晒时间变化.(a)色差：(b)拉伸强度：()断裂伸长率：(d)撕裂强度 Fig.2 Aging properties of EPDM as a function of exposure time:(a)chromatic aberration:(b)tensile strength:(c)elongation at break:(d)tear strength 子解.对色差、拉伸强度、断裂伸长率和撕裂强度四个 老化指标156个对象(11个地区，15个周期)的数据矩 1.0- 阵X1s6x4求取Pearson相关系数矩阵Rx4,如表2所示. 0.5- 断数傅长率 色差 表2EPDM老化指标何的Pearson相关系数 Table 2 Pearson correlation coefficients between EPDM aging indexes 0- 老化指标 色差 拉伸强度断裂伸长率撕裂强度 -0.5 拉伸强度 别程度 色差 1.000 一 一 -1.0- 拉伸强度 0.345 1.000 -1005 断裂伸长率 成分1 0500a500510 0.392 0.155 1.000 成分3 撕裂强度 0.341 0.497 0.159 1.000 图3EPDM各老化指标转化为新变量的载荷图 Fig.3 Component matrix plot of the factor analysis of EPDM aging 根据相关系数矩阵计算特征向量Uxp,获取主成 properties 分.将m个老化指标转变为互不相关的新变量Y= 两者都体现材料的力学性能，包含的信息具有较大重 XxUx如式(5)~式(7)所示. 复性.因此这里筛选比较通用的拉伸强度作为力学强 Y1=0.751X1+0.740X2+0.548X3+0.740X4,(5) 度评价指标.色差更多地表达材料表面老化性能，断 Y2=0.304X1-0.426X2+0.727X3-0.422X4,(6) 裂伸长率更多地表达链段柔韧性，因此两者在载荷图 Y2=0.584X+0.106X,+0.412X2+0.182X,.(7) 中距离较远.综上所述，选择色差、拉伸强度和断裂生 式中，Y为转化的新变量，X1为色差，X2为拉伸强度，X3 产率作为最基本的老化评价指标. 为断裂伸长率，X,为撕裂强度. 各典型地区各周期的色差、拉伸强度、断裂伸长率 原老化性能指标X,的线性组合系数U。x,即为载 等老化数据通过式(1)和式(2)同向化，以及式(3)归 荷系数.将载荷系数绘制为坐标图，如图3所示.老化 一化后，得到初始化矩阵X1x3,通过逼近理想解排序 指标在载荷图中坐标越靠近，表达的意义越接近. 法，转化为一个综合老化指标.其主要算法过程为从 载荷图可以对老化指标进行直观地分类.图3中 初始矩阵每列中选择最大与最小值作为最优与最劣 拉伸强度和撕裂强度的载荷系数几乎重合，可能因为 方案：

吴德权等: 三元乙丙橡胶老化与气候关联性及老化程度全国分布预测 图 2 EPDM 老化性能随暴晒时间变化． ( a) 色差; ( b) 拉伸强度; ( c) 断裂伸长率; ( d) 撕裂强度 Fig． 2 Aging properties of EPDM as a function of exposure time: ( a) chromatic aberration; ( b) tensile strength; ( c) elongation at break; ( d) tear strength 子解． 对色差、拉伸强度、断裂伸长率和撕裂强度四个 老化指标 156 个对象( 11 个地区，15 个周期) 的数据矩 阵 X156 × 4求取 Pearson 相关系数矩阵 Ｒ4 × 4，如表 2 所示． 表 2 EPDM 老化指标间的 Pearson 相关系数 Table 2 Pearson correlation coefficients between EPDM aging indexes 老化指标 色差 拉伸强度 断裂伸长率 撕裂强度 色差 1. 000 — — — 拉伸强度 0. 345 1. 000 — — 断裂伸长率 0. 392 0. 155 1. 000 — 撕裂强度 0. 341 0. 497 0. 159 1. 000 根据相关系数矩阵计算特征向量 Um × p，获取主成 分． 将 m 个老化指标转变为互不相关的新变量 Y = Xn × m Um × p，如式( 5) ～ 式( 7) 所示． Y1 = 0. 751X1 + 0. 740X2 + 0. 548X3 + 0. 740X4，( 5) Y2 = 0. 304X1 － 0. 426X2 + 0. 727X3 － 0. 422X4，( 6) Y3 = 0. 584X1 + 0. 106X2 + 0. 412X3 + 0. 182X4 ． ( 7) 式中，Yi为转化的新变量，X1为色差，X2为拉伸强度，X3 为断裂伸长率，X4为撕裂强度． 原老化性能指标 Xi的线性组合系数 Um × p即为载 荷系数． 将载荷系数绘制为坐标图，如图 3 所示． 老化 指标在载荷图中坐标越靠近，表达的意义越接近． 载荷图可以对老化指标进行直观地分类． 图 3 中 拉伸强度和撕裂强度的载荷系数几乎重合，可能因为 图 3 EPDM 各老化指标转化为新变量的载荷图 Fig． 3 Component matrix plot of the factor analysis of EPDM aging properties 两者都体现材料的力学性能，包含的信息具有较大重 复性． 因此这里筛选比较通用的拉伸强度作为力学强 度评价指标． 色差更多地表达材料表面老化性能，断 裂伸长率更多地表达链段柔韧性，因此两者在载荷图 中距离较远． 综上所述，选择色差、拉伸强度和断裂生 产率作为最基本的老化评价指标． 各典型地区各周期的色差、拉伸强度、断裂伸长率 等老化数据通过式( 1) 和式( 2) 同向化，以及式( 3) 归 一化后，得到初始化矩阵 X156 × 3，通过逼近理想解排序 法，转化为一个综合老化指标． 其主要算法过程为从 初始矩阵每列中选择最大与最小值作为最优与最劣 方案: · 1441 ·

·1442· 工程科学学报，第38卷，第10期 最优：Z,=（Z1,Z2,Za） (8) 计算第i个评价对象与最优方案的接近程度为 最劣：Z.=(Za1,Ze,Zn） (9) C:=D/(D+D). (11) 计算第i个评价对象与最优、最劣方案的距离为 通过以上过程，将色差、拉伸强度和断裂生产率转 化为一个综合评价值C,计算得到11个地区15个周 D:=> (Z-Z,)2 期的156个对象的综合评价值，如表3所示. (10) 表3逼近理想解排序法计算EPDM综合评价值C Table 3 Comprehensive values of EPDM computed by TOPSIS method 周期/月 漠河 青岛 沈阳 敦煌 北京 尉犁 武汉 江津 拉萨 广州 琼海 0 0.325 0.325 0.325 0.325 0.325 0.325 0.325 0.325 0.325 0.325 0.325 1.5 0.347 0.339 0.317 0.314 0.430 0.430 0.321 0.391 0.314 0.413 0.406 0.484 0.346 0.458 0.429 0.354 0.431 0.333 0.427 0.424 0.433 0.412 4.5 0.502 0.492 0.578 0.401 0.326 0.383 0.568 0.625 0.484 0.658 0.482 6 0.282 0.486 0.378 0.459 0.559 0.423 0.559 0.498 0.465 0.443 0.563 7.5 0.365 0.460 0.402 0.435 0.490 0.463 0.374 0.499 0.481 0.386 0.484 9 0.421 0.378 0.591 0.530 0.559 0.520 0.440 0.501 0.589 0.736 0.607 10.5 0.478 0.392 0.521 0.499 0.566 0.545 0.595 0.623 0.598 0.673 0.526 0.315 0.456 0.393 0.449 0.465 0.529 0.484 0.548 0.607 0.611 0.608 0.506 0.261 0.569 0.599 0.616 0.597 0.594 0.635 0.652 0.651 0.557 24 0.388 0.498 0.583 0.668 0.555 0.661 0.750 0.732 0.660 0.613 0.696 30 0.567 0.632 0.498 0.565 0.661 0.704 0.686 0.677 0.758 0.735 0.786 考虑到暴晒试验初期，高分子老化性能数据不稳 4.0 定，受环境噪音干扰较大，因此按式(12)加和老化中 后期数据，进一步降低时间维度，计算EPDM在各地区 3.5 综合老化值K. K=∑C:(i=6,9,12,18,24,30). (12) 3.0 得到EPDM在我国典型地区暴晒30个月的综合 老化值，如图4所示.由图4可清晰看出在我国典型 地区EPDM的老化程度由强到弱依次是琼海、广州、拉 萨>江津、武汉>尉犁、北京、敦煌>沈阳>青岛>漠河. 2.2EPDM老化与气候环境关联 2.2.1老化关键气候因子分析 地，点 材料服役的环境是一个信息不完整、变量大且规 图4各典型地区EPDM综合老化值 律性差的样本空间，气候因子对橡胶老化的作用机制 Fig.4 Comprehensive values of EPDM aging properties in each typi- 不清晰.通过MATLAB软件编程计算不同老化指标与 cal location 气候因子间的灰色关联度（设定EPDM老化不同周期 列，各站点气候因子设为比较数列，设定分辨率为 的老化性能如色差、拉伸强度、断裂伸长率等为参考数 0.5),结果如表4所示 表4气候因子与EPDM橡胶性能的灰色相关度 Table 4 Grey relevancy between climatic factors and EPDM aging properties 老化性能 年均温度 年均湿度 年降雨量 年降雨时间 年日照时间 年辐射总量 色差 0.904 0.916 0.807 0.701 0.909 0.917 拉伸强度 0.911 0.918 0.817 0.716 0.925 0.937 断裂伸长率 0.908 0.922 0.818 0.716 0.931 0.930 撕裂强度 0.910 0.919 0.816 0.715 0.927 0.936

工程科学学报，第 38 卷，第 10 期 最优: Z + = ( Zmax1，Zmax2，Zmax3 ) ． ( 8) 最劣: Z － = ( Zmin1，Zmin2，Zmin3 ) ． ( 9) 计算第 i 个评价对象与最优、最劣方案的距离为 D+ i = ∑ m j =1 ( Zmaxj － Zij) 槡 2 ，D－ i = ∑ m j =1 ( Zminj － Zij) 槡 2 ． ( 10) 计算第 i 个评价对象与最优方案的接近程度为 Ci = D － i /( D + i + D － i ) ． ( 11) 通过以上过程，将色差、拉伸强度和断裂生产率转 化为一个综合评价值 C，计算得到 11 个地区 15 个周 期的 156 个对象的综合评价值，如表 3 所示． 表 3 逼近理想解排序法计算 EPDM 综合评价值 C Table 3 Comprehensive values of EPDM computed by TOPSIS method 周期/月 漠河 青岛 沈阳 敦煌 北京 尉犁 武汉 江津 拉萨 广州 琼海 0 0. 325 0. 325 0. 325 0. 325 0. 325 0. 325 0. 325 0. 325 0. 325 0. 325 0. 325 1. 5 0. 347 0. 339 0. 317 0. 314 0. 430 0. 430 0. 321 0. 391 0. 314 0. 413 0. 406 3 0. 484 0. 346 0. 458 0. 429 0. 354 0. 431 0. 333 0. 427 0. 424 0. 433 0. 412 4. 5 0. 502 0. 492 0. 578 0. 401 0. 326 0. 383 0. 568 0. 625 0. 484 0. 658 0. 482 6 0. 282 0. 486 0. 378 0. 459 0. 559 0. 423 0. 559 0. 498 0. 465 0. 443 0. 563 7. 5 0. 365 0. 460 0. 402 0. 435 0. 490 0. 463 0. 374 0. 499 0. 481 0. 386 0. 484 9 0. 421 0. 378 0. 591 0. 530 0. 559 0. 520 0. 440 0. 501 0. 589 0. 736 0. 607 10. 5 0. 478 0. 392 0. 521 0. 499 0. 566 0. 545 0. 595 0. 623 0. 598 0. 673 0. 526 12 0. 315 0. 456 0. 393 0. 449 0. 465 0. 529 0. 484 0. 548 0. 607 0. 611 0. 608 18 0. 506 0. 261 0. 569 0. 599 0. 616 0. 597 0. 594 0. 635 0. 652 0. 651 0. 557 24 0. 388 0. 498 0. 583 0. 668 0. 555 0. 661 0. 750 0. 732 0. 660 0. 613 0. 696 30 0. 567 0. 632 0. 498 0. 565 0. 661 0. 704 0. 686 0. 677 0. 758 0. 735 0. 786 考虑到暴晒试验初期，高分子老化性能数据不稳 定，受环境噪音干扰较大，因此按式( 12) 加和老化中 后期数据，进一步降低时间维度，计算 EPDM 在各地区 综合老化值 K． K = ∑i Ci ( i = 6，9，12，18，24，30) ． ( 12) 得到 EPDM 在我国典型地区暴晒 30 个月的综合 老化值，如图 4 所示． 由图 4 可清晰看出在我国典型 地区 EPDM 的老化程度由强到弱依次是琼海、广州、拉 萨 ＞ 江津、武汉 ＞ 尉犁、北京、敦煌 ＞ 沈阳 ＞ 青岛 ＞ 漠河． 2. 2 EPDM 老化与气候环境关联 2. 2. 1 老化关键气候因子分析 材料服役的环境是一个信息不完整、变量大且规 律性差的样本空间，气候因子对橡胶老化的作用机制 不清晰． 通过 MATLAB 软件编程计算不同老化指标与 气候因子间的灰色关联度( 设定 EPDM 老化不同周期 的老化性能如色差、拉伸强度、断裂伸长率等为参考数 图 4 各典型地区 EPDM 综合老化值 Fig． 4 Comprehensive values of EPDM aging properties in each typi￾cal location 列，各站 点 气 候 因 子 设 为 比 较 数 列，设 定 分 辨 率 为 0. 5) ，结果如表 4 所示． 表 4 气候因子与 EPDM 橡胶性能的灰色相关度 Table 4 Grey relevancy between climatic factors and EPDM aging properties 老化性能 年均温度 年均湿度 年降雨量 年降雨时间 年日照时间 年辐射总量 色差 0. 904 0. 916 0. 807 0. 701 0. 909 0. 917 拉伸强度 0. 911 0. 918 0. 817 0. 716 0. 925 0. 937 断裂伸长率 0. 908 0. 922 0. 818 0. 716 0. 931 0. 930 撕裂强度 0. 910 0. 919 0. 816 0. 715 0. 927 0. 936 · 2441 ·

吴德权等：三元乙丙橡胶老化与气候关联性及老化程度全国分布预测 ·1443· 结果表明，影响EPDM老化的气候因子主要是与 精度为0.05 光相关的年辐射总量、年日照时间和紫外辐射总量，其 表5模拟精度对预测的影响 次是湿度与温度，最后为降雨.目前EPDM老化机制 Table 5 Influence of simulation precision on the prediction 研究表明：光与热引发的光氧老化和热氧老化使分子 类别 设置精度 综合老化值 预测值相对误差/% 链产生自由基，是橡胶材料降解的主要原因：水一方面 实际值 一 3.4347 与光（热）氧老化反应耦合产生协同老化作用，或者冲 0.1 3.4039 0.8943 刷掉表面积累的灰尘和老化产物，以及干湿交替等促 0.05 3.3499 2.4667 进老化，另一方面也会因形成的水膜反射阳光，降低温 拟合值 0.01 3.1063 9.5606 度而减缓老化叨.因此这里选择年辐照总量、年均湿 0.001 3.6658 6.7283 度、年均温度和年降雨量作为关键气候因子较为合理 2.2.2综合老化值与气候因子关联模型研究 BP人工神经网络中网络层数也非常重要.本文 EPDM的老化是多种气候因子耦合作用的复杂过 设置3层、5层和8层网络，研究网络层数对拟合精度 程，BP人工神经网络能够建立环境与材料间复杂的非 与预测精度的影响.图6表明，随着网络层数量增加 线性映射关系.以辐照度、温度、湿度和降雨为输入变 拟合精度提高：而表6结果表明，3层与8层网络对尉 量，以EPDM综合老化值作为训练目标，通过MATLAB 犁地区的老化值预测精度较低，5层网络预测结果较 编程建立气候因子与EPDM综合老化值间的函数关 好.这是因为网络层数量太少，网络对样本计算能力 系.该模型以10个典型地区（北京、敦煌、广州、江津、 差，气候因子与老化数据间关联不够.网络层数过多， 拉萨、漠河、青岛、琼海、沈阳、尉犁和武汉)为训练样 增加训练时长，不易收敛，且容易出现过度吻合，降低 本，以尉犁地区验证模型的可靠性. 泛化能力图.因此，综合考虑选择构建5层隐含层BP BP人工神经网络重要参数设置如下：输入层激活 人工神经网络 函数选为tansig,该函数学习收敛速度快且达到目标误 4.0 差，仿真效果好，仿真结果比较稳定.选择输入层到隐 3.8 含层使用tansig函数，隐含层到输出层使用purelin线 3.6 性函数.训练函数选择为自适应强的traingdx函数. 3.4 初步选择网络层为5层，最大迭代次数为2000次. 32 在BP人工神经网络中，模拟精度的设定是非常 3.0 重要的参数.本文设置模拟精度分别为0.1、0.05、 。实际值 ★3层 0.01和0.001，研究不同模拟精度对样本数据的拟合 2.6 05层 能力以及预测能力的影响.从图5中可以看出，随着 号 8层 2.4 模拟精度的增加，已知样本的拟合度越来越高 2.20 4.0 3.8 地点 3.6 图6网络层数对拟合结果的影响 3.4 Fig.6 Influence of the numbers of network layers on the fitting re- 3.2 ★ sults 3.0 。实际值 表6网络层数对预测的影响 2.8 ★精度D.1 o精度0.05 Table 6 Influence of the numbers of network layers on the prediction 2.6 精度0.01 +精度0.001 类别 网络层数 综合老化值 预测值相对误差/% 2.4 实际值 一 3.4347 2.2 宋/ 2.6616 27.506 地点 拟合值 5 3.3499 2.466 图5模拟精度对拟合结果的影响 8 2.7638 19.530 Fig.5 Influence of simulation precision on the fitting results 以上分析表明，BP人工神经网络通过合理设置相 但是过高的模拟精度容易使计算陷入最小值，降 关参数，能较好处理我国典型地区气候因子与老化值 低泛化能力.如表5所示，过高的模拟精度并没有 间尚不明确的函数关系，将多种环境因素与材料性能 增加对新样本尉犁的预测精度.因此，综合考虑选择 联系在一起.通过构建气候因子与EPDM综合老化值

吴德权等: 三元乙丙橡胶老化与气候关联性及老化程度全国分布预测 结果表明，影响 EPDM 老化的气候因子主要是与 光相关的年辐射总量、年日照时间和紫外辐射总量，其 次是湿度与温度，最后为降雨． 目前 EPDM 老化机制 研究表明: 光与热引发的光氧老化和热氧老化使分子 链产生自由基，是橡胶材料降解的主要原因; 水一方面 与光( 热) 氧老化反应耦合产生协同老化作用，或者冲 刷掉表面积累的灰尘和老化产物，以及干湿交替等促 进老化，另一方面也会因形成的水膜反射阳光，降低温 度而减缓老化［17］． 因此这里选择年辐照总量、年均湿 度、年均温度和年降雨量作为关键气候因子较为合理． 2. 2. 2 综合老化值与气候因子关联模型研究 EPDM 的老化是多种气候因子耦合作用的复杂过 程，BP 人工神经网络能够建立环境与材料间复杂的非 线性映射关系． 以辐照度、温度、湿度和降雨为输入变 量，以 EPDM 综合老化值作为训练目标，通过 MATLAB 编程建立气候因子与 EPDM 综合老化值间的函数关 系． 该模型以 10 个典型地区( 北京、敦煌、广州、江津、 拉萨、漠河、青岛、琼海、沈阳、尉犁和武汉) 为训练样 本，以尉犁地区验证模型的可靠性． BP 人工神经网络重要参数设置如下: 输入层激活 函数选为 tansig，该函数学习收敛速度快且达到目标误 差，仿真效果好，仿真结果比较稳定． 选择输入层到隐 含层使用 tansig 函数，隐含层到输出层使用 purelin 线 性函数． 训练函数选择为自适应强的 traingdx 函数． 初步选择网络层为 5 层，最大迭代次数为 2000 次． 在 BP 人工神经网络中，模拟精度的设定是非常 重要的 参 数． 本文设置模拟精度分别为 0. 1、0. 05、 0. 01 和 0. 001，研究不同模拟精度对样本数据的拟合 能力以及预测能力的影响． 从图 5 中可以看出，随着 模拟精度的增加，已知样本的拟合度越来越高． 图 5 模拟精度对拟合结果的影响 Fig． 5 Influence of simulation precision on the fitting results 但是过高的模拟精度容易使计算陷入最小值，降 低泛化能力［18］． 如表 5 所示，过高的模拟精度并没有 增加对新样本尉犁的预测精度． 因此，综合考虑选择 精度为 0. 05． 表 5 模拟精度对预测的影响 Table 5 Influence of simulation precision on the prediction 类别 设置精度 综合老化值 预测值相对误差/% 实际值 — 3. 4347 — 0. 1 3. 4039 0. 8943 拟合值 0. 05 3. 3499 2. 4667 0. 01 3. 1063 9. 5606 0. 001 3. 6658 6. 7283 BP 人工神经网络中网络层数也非常重要． 本文 设置 3 层、5 层和 8 层网络，研究网络层数对拟合精度 与预测精度的影响． 图 6 表明，随着网络层数量增加 拟合精度提高; 而表 6 结果表明，3 层与 8 层网络对尉 犁地区的老化值预测精度较低，5 层网络预测结果较 好． 这是因为网络层数量太少，网络对样本计算能力 差，气候因子与老化数据间关联不够． 网络层数过多， 增加训练时长，不易收敛，且容易出现过度吻合，降低 泛化能力［18］． 因此，综合考虑选择构建 5 层隐含层 BP 人工神经网络． 图 6 网络层数对拟合结果的影响 Fig． 6 Influence of the numbers of network layers on the fitting re￾sults 表 6 网络层数对预测的影响 Table 6 Influence of the numbers of network layers on the prediction 类别 网络层数 综合老化值 预测值相对误差/% 实际值 — 3. 4347 — 3 2. 6616 27. 506 拟合值 5 3. 3499 2. 466 8 2. 7638 19. 530 以上分析表明，BP 人工神经网络通过合理设置相 关参数，能较好处理我国典型地区气候因子与老化值 间尚不明确的函数关系，将多种环境因素与材料性能 联系在一起． 通过构建气候因子与 EPDM 综合老化值 · 3441 ·

·1444 工程科学学报，第38卷，第10期 间关系的BP人工神经网络模型，预测未暴晒地区EP- 年大气环境数据（包括97个城市年辐照量，2561个城 DM老化综合值. 市的年均温度和年均湿度，以及2512个城市年降雨总 2.3EPDM老化程度分布预测 量)预测EPDM老化在我国的分布.为直观呈现气候 基于以上高分子材料老化行为以及环境对高分子 因子在我国分布情况，通过AreGIS软件可视化，如图7 材料的关联研究，利用国家气象信息中心提供的2013 所示. ( 辐照量/M 湿度% 7200 6400 80 0 5600 4800 50 4000 050010002000km 05001000 2000km (c) 温度℃ 降雨量mrm 3000 2000 12 1000 44 4 05001000 2000km 0 050010002000km 图7气候因子全国分布图.(a)年辐照量：(b)年均湿度：(c)年均温度：(d)年降雨量 Fig.7 Distribution of climate factors in China:(a)annual irradiation;(b)annual average humidity;(c)annual average temperature:(d)annual precipitation 如图8所示，向上述构建的“EPDM老化一环境关 度和年降雨量，预测得到我国97个城市的综合老 联模型”输入97个城市的年辐照度、年均湿度、年均温 化值. 辐照 97个 输入全国 湿度 EPDM 城市 经纬 色彩 97个城市 老化-环境 关联 全国老化 环境数据 温度 关联模型 老化数据 分布图 矩阵 、矩阵 降雨 阵 输人 预测 可视化 图8预测EPDM综合老化值全国分布过程图 Fig.8 Prediction process of the comprehensive aging values of EPDM 97个城市覆盖我国各省及直辖市，预测的综合老 (1)老化最为严重的是西藏和新疆南部地区，以 化值基本可以反映EPDM在我国的老化分布情况.通 及云南南端、广西南部、广东南部、海南和台湾地区. 过AreGIS软件，对97个站点以外地区进行克里金差 其中西藏和新疆地区气象采样站较少，可能该地区图 值计算，展现EPDM综合老化值在全国分布，如图9 形分辨率相对较低，但不影响基本分布规律.西藏地 所示. 区海拔高，紫外照射非常强烈：新疆南部气候干旱炎 图9中红色表示老化程度严重，蓝色表示可以老 热，日照充足：云南南端、广西南部、广东南部、海南和 化程度较轻.图中可以看出EPDM老化程度在我国分 台湾等地区纬度低，阳光直射强烈，年均温度高，年均 布如下. 湿度大，光、热和湿气相互之间的耦合作用使橡胶老化

工程科学学报，第 38 卷，第 10 期 间关系的 BP 人工神经网络模型，预测未暴晒地区 EP￾DM 老化综合值． 2. 3 EPDM 老化程度分布预测 基于以上高分子材料老化行为以及环境对高分子 材料的关联研究，利用国家气象信息中心提供的 2013 年大气环境数据( 包括 97 个城市年辐照量，2561 个城 市的年均温度和年均湿度，以及 2512 个城市年降雨总 量) 预测 EPDM 老化在我国的分布． 为直观呈现气候 因子在我国分布情况，通过 ArcGIS 软件可视化，如图 7 所示． 图 7 气候因子全国分布图． ( a) 年辐照量; ( b) 年均湿度; ( c) 年均温度; ( d) 年降雨量 Fig． 7 Distribution of climate factors in China: ( a) annual irradiation; ( b) annual average humidity; ( c) annual average temperature; ( d) annual precipitation 如图 8 所示，向上述构建的“EPDM 老化--环境关 联模型”输入 97 个城市的年辐照度、年均湿度、年均温 度和 年 降 雨 量，预 测 得 到 我 国 97 个 城 市 的 综 合 老 化值． 图 8 预测 EPDM 综合老化值全国分布过程图 Fig． 8 Prediction process of the comprehensive aging values of EPDM 97 个城市覆盖我国各省及直辖市，预测的综合老 化值基本可以反映 EPDM 在我国的老化分布情况． 通 过 ArcGIS 软件，对 97 个站点以外地区进行克里金差 值计算，展现 EPDM 综合老化值在全国分布，如图 9 所示． 图 9 中红色表示老化程度严重，蓝色表示可以老 化程度较轻． 图中可以看出 EPDM 老化程度在我国分 布如下． ( 1) 老化最为严重的是西藏和新疆南部地区，以 及云南南端、广西南部、广东南部、海南和台湾地区． 其中西藏和新疆地区气象采样站较少，可能该地区图 形分辨率相对较低，但不影响基本分布规律． 西藏地 区海拔高，紫外照射非常强烈; 新疆南部气候干旱炎 热，日照充足; 云南南端、广西南部、广东南部、海南和 台湾等地区纬度低，阳光直射强烈，年均温度高，年均 湿度大，光、热和湿气相互之间的耦合作用使橡胶老化 · 4441 ·

吴德权等：三元乙丙橡胶老化与气候关联性及老化程度全国分布预测 ·1445· BP人工神经网络，构建了EPDM综合老化性能与气候 因子间的关联 (3)通过“老化-环境模型”，利用我国97个城市 气候环境数据，预测得到EPDM综合老化值.通过 AreGIS绘制EPDM老化程度全国分布图.结果表明： 广东南部、海南、台湾、西藏、新疆南部等地区老化严 重：我国南方大部分地区老化程度次之，其次为甘肃北 综合老化值，K 部、内蒙古西南部及华北地区：辽宁、吉林等地区老化 稍轻；黑龙江北部等地区老化程度最轻 050010002000km 图9EPDM综合老化值全国分布图 参考文献 Fig.9 Distribution of the comprehensive values of EPDM aging properties in China [1]Pospisila J,Horak Z,Krulis Z,et al.Degradation and aging of polymer blends:I.Thermomechanical and thermal degradation. 严重 Polym Degrad Stab,1999,65(3):405 (2)我国南方大部分部地区如湖北、湖南、江西、 2] Ni K.Zhu J J,Liao X,et al.Microstructure studies of isotactic 浙江、江苏等属于亚热带季风气候，年辐照量虽然不是 polypropylene under natural weathering by positron annihilation li- 非常充裕，但环境湿度大，年均温度高，在多种气候因 fetime spectroscopy.J Polym Res,2015,22:109 B] 子的耦合作用下，老化程度也比较严重. Sameshima H,Mitsuhashi K,Suga S.Correlation and accelera- tion of a Geer oven test to natural exposure.Polym Test,2005,24 (3)华北大部分地区、内蒙古西南部和甘肃西北 (3):346 部老化程度也比较严重.我国北方地区光照丰富，但 [4] Assink R A,Gillen K T,Sanderson B.Monitoring the degradation 局部地区深居内陆干燥少雨，多风沙，沙尘在老化初期 of a thermally aged EPDM terpolymer by 1 H NMR relaxation 可能加速了老化作用，但是后期的遮蔽作用可能延缓 measurements of solvent swelled samples.Polymer,2002,43 了橡胶的老化，因此这些地区整体老化程度较前述地 (4):1349 区稍低. [5]Gillen K,Bernstein R.Clough R.Celina M.Lifetime predictions for semicrystalline cable insulation materials:I.Mechanical prop- (4)吉林、辽宁、内蒙古东部等地区，年均气温低， erties and oxygen consumption measurements on EPR materials. 老化程度较轻. Polym Degrad Stab,2006,91:2146 (5)黑龙江及内蒙古北端纬度高，太阳照射角度 [6]Gillen K,Celina M,Bernstein R.Shedd M.Lifetime predictions 小，气候干冷，年均温度低，湿度低，老化程度最轻 of EPR materials using the wear-out approach.Polym Degrad 综合以上分析，EPDM的大气环境老化是辐照、湿 Sab,2006,91:3197 度、温度和降雨复杂耦合的作用结果，不能通过单个或 Gillen K,Celina M.The wear-out approach for predicting the re- maining lifetime of materials.Polym Degrad Stab,2000,71:15 者若干因子的强度判断老化程度.将多个环境因子输 [8]Lii Y D,Huang Y J,Yang J L.Outdoor and accelerated laborato- 入EPDM老化与环境关联模型，预测得到全国老化分 ry weathering of polypropylene:a comparison and correlation 布图，可以更加直观地看到EPDM老化程度的地域差 study.Polym Degrad Stab,2015 (112):145 异，对高分子材料工程选材和安全服役具有重要意义. [9]Wang L,Mu X L,Zhu L,et al.Review of atmospheric corrosivity Classification.Equip Enriron Eng,2010,7(6):24 3结论 (王玲，牟献良，朱蕾，等.大气环境腐蚀性分类分级研究综 述.装备环境工程，2010,7(6)24) (1)EPDM老化是多种气候因子耦合作用的结 [1o]Li X G,Zhang D W,Liu Z Y,et al.Materials science:share 果，不同老化性能评价结果差异性大.通过因子分析 corrosion data.Nature,2015,527 (7579):441 与逼近理想解排序法，得到EPDM的综合老化值，比较 [11]Dai MQ,Song Y X.Mathematical Models and Applications.2nd 11个典型站点的综合老化程度由强到弱为广州、拉萨 Ed.Beijing:Science Press,2015 >江津、武汉>尉犁、北京、敦煌>沈阳>青岛>漠河. (戴明强，宋业新.数学模型及其应用.2版北京：科学出版 (2)基于环境对EPDM老化作用机制的分析，通 社，2015) 过EPDM老化性能与各气候参数的灰色关联度计算， [12]Shih H S,Shyur H J,Lee E S.An extension of TOPSIS for 得到影响EPDM老化的关键气候因子为辐照度、湿度、 group decision making.Math Comput Modell.2007,45(7): 801 温度和降雨.通过研究不同模拟精度和网络层数对拟 [13]Lai Y J,Liu T Y,Hwang C L.TOPSIS for MODM.Eur J Oper 合能力与泛化能力的影响，建立了精度为0.05的5层 Res,1994,76(3):486

吴德权等: 三元乙丙橡胶老化与气候关联性及老化程度全国分布预测 图 9 EPDM 综合老化值全国分布图 Fig． 9 Distribution of the comprehensive values of EPDM aging properties in China 严重． ( 2) 我国南方大部分部地区如湖北、湖南、江西、 浙江、江苏等属于亚热带季风气候，年辐照量虽然不是 非常充裕，但环境湿度大，年均温度高，在多种气候因 子的耦合作用下，老化程度也比较严重． ( 3) 华北大部分地区、内蒙古西南部和甘肃西北 部老化程度也比较严重． 我国北方地区光照丰富，但 局部地区深居内陆干燥少雨，多风沙，沙尘在老化初期 可能加速了老化作用，但是后期的遮蔽作用可能延缓 了橡胶的老化，因此这些地区整体老化程度较前述地 区稍低． ( 4) 吉林、辽宁、内蒙古东部等地区，年均气温低， 老化程度较轻． ( 5) 黑龙江及内蒙古北端纬度高，太阳照射角度 小，气候干冷，年均温度低，湿度低，老化程度最轻． 综合以上分析，EPDM 的大气环境老化是辐照、湿 度、温度和降雨复杂耦合的作用结果，不能通过单个或 者若干因子的强度判断老化程度． 将多个环境因子输 入 EPDM 老化与环境关联模型，预测得到全国老化分 布图，可以更加直观地看到 EPDM 老化程度的地域差 异，对高分子材料工程选材和安全服役具有重要意义． 3 结论 ( 1) EPDM 老化是多种气候因子耦合作用的结 果，不同老化性能评价结果差异性大． 通过因子分析 与逼近理想解排序法，得到 EPDM 的综合老化值，比较 11 个典型站点的综合老化程度由强到弱为广州、拉萨 ＞ 江津、武汉 ＞ 尉犁、北京、敦煌 ＞ 沈阳 ＞ 青岛 ＞ 漠河． ( 2) 基于环境对 EPDM 老化作用机制的分析，通 过 EPDM 老化性能与各气候参数的灰色关联度计算， 得到影响 EPDM 老化的关键气候因子为辐照度、湿度、 温度和降雨． 通过研究不同模拟精度和网络层数对拟 合能力与泛化能力的影响，建立了精度为 0. 05 的 5 层 BP 人工神经网络，构建了 EPDM 综合老化性能与气候 因子间的关联． ( 3) 通过“老化--环境模型”，利用我国 97 个城市 气候环 境 数 据，预 测 得 到 EPDM 综 合 老 化 值． 通 过 ArcGIS 绘制 EPDM 老化程度全国分布图． 结果表明: 广东南部、海南、台湾、西藏、新疆南部等地区老化严 重; 我国南方大部分地区老化程度次之，其次为甘肃北 部、内蒙古西南部及华北地区; 辽宁、吉林等地区老化 稍轻; 黑龙江北部等地区老化程度最轻． 参 考 文 献 ［1］ Pospíila J，Horák Z，Kruli Z，et al． Degradation and aging of polymer blends: I． Thermomechanical and thermal degradation． Polym Degrad Stab，1999，65( 3) : 405 ［2］ Ni K，Zhu J J，Liao X，et al． Microstructure studies of isotactic polypropylene under natural weathering by positron annihilation li￾fetime spectroscopy． J Polym Ｒes，2015，22: 109 ［3］ Sameshima H，Mitsuhashi K，Suga S． Correlation and accelera￾tion of a Geer oven test to natural exposure． Polym Test，2005，24 ( 3) : 346 ［4］ Assink Ｒ A，Gillen K T，Sanderson B． Monitoring the degradation of a thermally aged EPDM terpolymer by 1 H NMＲ relaxation measurements of solvent swelled samples． Polymer，2002，43 ( 4) : 1349 ［5］ Gillen K，Bernstein Ｒ，Clough Ｒ，Celina M． Lifetime predictions for semicrystalline cable insulation materials: I． Mechanical prop￾erties and oxygen consumption measurements on EPＲ materials． Polym Degrad Stab，2006，91: 2146 ［6］ Gillen K，Celina M，Bernstein Ｒ，Shedd M． Lifetime predictions of EPＲ materials using the wear-out approach． Polym Degrad Stab，2006，91: 3197 ［7］ Gillen K，Celina M． The wear-out approach for predicting the re￾maining lifetime of materials． Polym Degrad Stab，2000，71: 15 ［8］ Lü Y D，Huang Y J，Yang J L． Outdoor and accelerated laborato￾ry weathering of polypropylene: a comparison and correlation study． Polym Degrad Stab，2015 ( 112) : 145 ［9］ Wang L，Mu X L，Zhu L，et al． Ｒeview of atmospheric corrosivity Classification． Equip Environ Eng，2010，7( 6) : 24 ( 王玲，牟献良，朱蕾，等． 大气环境腐蚀性分类分级研究综 述． 装备环境工程，2010，7( 6) : 24) ［10］ Li X G，Zhang D W，Liu Z Y，et al． Materials science: share corrosion data． Nature，2015，527( 7579) : 441 ［11］ Dai M Q，Song Y X． Mathematical Models and Applications． 2nd Ed． Beijing: Science Press，2015 ( 戴明强，宋业新． 数学模型及其应用． 2 版 北京: 科学出版 社，2015) ［12］ Shih H S，Shyur H J，Lee E S． An extension of TOPSIS for group decision making． Math Comput Modell，2007，45 ( 7 ) : 801 ［13］ Lai Y J，Liu T Y，Hwang C L． TOPSIS for MODM． Eur J Oper Ｒes，1994，76( 3) : 486 · 5441 ·

·1446· 工程科学学报，第38卷，第10期 [14]Chan J W K,Tong T K L.Multi-eriteria material selections and [17]Zhao QL.Aging Beharior and Mechanism of EPDM in Artificial endof-ife product strategy:grey relational analysis approach. Weathering Entironment [Dissertation].Beijing:University of Mater Des,2007,28(5):1539 Science and Technology Beijing,2009 [15]Liu H,Zhou M Y,Zhou Y L,et al.Aging life prediction system (赵权林.三元乙丙橡胶在人工气候环境中的老化行为及机 of polymer outdoors constructed by ANN:1.Lifetime prediction 理研究[学位论文].北京：北京科技大学，2009) for polycarbonate.Polym Degrad Stab,2014,105:218 [18]Li X G.Informatics for Materials Corrosion and Protection:the 6]Lu Q.Research on Corrosion Prediction of Materials in Natural Fundamental and Application of Materials Genome Initiative in Entironment tia Date Ming [Dissertation].Beijing:University Corrosion and Protection.Beijing:Chemical Industry Press, of Science and Technology Beijing,2015 2014 (鲁庆.基于数据挖掘的材料自然环境腐蚀预测研究[学位 (李晓刚材料腐蚀信息学：材料腐蚀基因组工程基础与应 论文].北京：北京科技大学，2015) 用.北京：化学工业出版社，2014)

工程科学学报，第 38 卷，第 10 期 ［14］ Chan J W K，Tong T K L． Multi-criteria material selections and end-of-life product strategy: grey relational analysis approach． Mater Des，2007，28( 5) : 1539 ［15］ Liu H，Zhou M Y，Zhou Y L，et al． Aging life prediction system of polymer outdoors constructed by ANN: 1． Lifetime prediction for polycarbonate． Polym Degrad Stab，2014，105: 218 ［16］ Lu Q． Ｒesearch on Corrosion Prediction of Materials in Natural Environment via Date Ming ［Dissertation］． Beijing: University of Science and Technology Beijing，2015 ( 鲁庆． 基于数据挖掘的材料自然环境腐蚀预测研究［学位 论文］． 北京: 北京科技大学，2015) ［17］ Zhao Q L． Aging Behavior and Mechanism of EPDM in Artificial Weathering Environment ［Dissertation］． Beijing: University of Science and Technology Beijing，2009 ( 赵权林． 三元乙丙橡胶在人工气候环境中的老化行为及机 理研究［学位论文］． 北京: 北京科技大学，2009) ［18］ Li X G． Informatics for Materials Corrosion and Protection: the Fundamental and Application of Materials Genome Initiative in Corrosion and Protection． Beijing: Chemical Industry Press， 2014 ( 李晓刚． 材料腐蚀信息学: 材料腐蚀基因组工程基础与应 用． 北京: 化学工业出版社，2014) · 6441 ·